Multimodal EEG–fNIRS-klassificering som ett kliniskt verktyg för diagnos av bipolär sjukdom

Varför detta spelar roll för vardaglig psykisk hälsa

Bipolär sjukdom är ofta svår att diagnostisera, särskilt när läkare måste skilja mellan dess huvudsakliga undertyper. Eftersom dagens diagnoser nästan uteslutande bygger på intervjuer och observation kan personer tillbringa år med fel behandling. Denna studie undersöker om enkla, icke-invasiva hjärnregistreringar—gjorda medan personer utför en emotionell uppgift—kan ge objektiva ledtrådar om vem som har bipolär sjukdom, vilken subtyp de har och vem som är frisk. Om metoden fungerar kan den leda till snabbare, mer skräddarsydd vård i vanliga kliniska miljöer.

Att titta in i humörsvängningar med ljus och elektricitet

Forskarnas fokus låg på ett centralt inslag i bipolär sjukdom: ihållande svårigheter att hantera känslor, även under till synes stabila perioder. De använde två verktyg som kan användas utanför stora sjukhus. Det ena, EEG, registrerar hjärnans elektriska aktivitet från en mössa av sensorer på skalpen. Det andra, fNIRS, skickar närinfrarött ljus genom pannan för att följa förändringar i blodets syresättning i hjärnans yttre delar. Tillsammans fångar dessa metoder både snabba elektriska signaler och långsammare blodflödessvar i frontala regioner som hjälper till att reglera känslor, beslutsfattande och socialt beteende.

Test av emotionell distraktion i realtid

För att undersöka känslokontroll utformade teamet en visuell uppgift där deltagarna endast skulle reagera på färgen på en ram runt en bild, medan de skulle ignorera om bilden var behaglig, neutral eller obehaglig. Denna uppställning, en variation av den emotionella Stroop-uppgiften, skapar en dragkamp mellan känslomässiga reaktioner och en enkel kognitiv uppgift. Deltagarna bestod av vuxna med bipolär sjukdom typ I, bipolär sjukdom typ II och friska frivilliga. Medan de utförde uppgiften täckte EEG-sensorer hela skalpen och en liten uppsättning fNIRS-ljuskällor och detektorer registrerade blodflödesförändringar över vänster frontalområde.

Mönster som avslöjar vem som är vem

Först kontrollerade forskarna beteendet. Personer med bipolär sjukdom tog längre tid på sig att reagera på obehagliga bilder än på neutrala eller behagliga, vilket tyder på att negativa känslor störde deras tänkande mer. Friska frivilliga visade inte detta mönster. Därefter vände sig teamet till hjärnsignalerna. De extraherade tidsfönster från EEG (från snabba visuella responser runt en tiondels sekund till senare vågor kopplade till känsla och beslutsfattande) och från det långsammare fNIRS-svaret (som fångar hur blodflödet steg och sjönk efter varje bild). Med dessa egenskaper tränade de maskininlärningsmodeller för att klassificera om en person var frisk eller hade bipolär sjukdom, och—bland patienterna—om de hade typ I eller typ II.

Att kombinera signaler ökar diagnostisk kraft

När de använde endast EEG-signalerna från helskalsmössan kunde modellerna redan skilja patienter från friska frivilliga och kunde ofta särskilja de två bipolära subtyperna. Men att lägga till fNIRS-egenskaper förbättrade konsekvent resultaten, särskilt för svårare problem: att skilja bipolär typ II från friska deltagare och att skilja typ I från typ II. Mätningarna med ljus tillförde information om hur blodkärl och nervaktivitet samverkar i frontalloben och fångade subtila neurovaskulära skillnader som EEG ensam inte kunde. Även när EEG-data begränsades till endast frontala sensorer—för att efterlikna ett förenklat, mer portabelt system—minskade kombinationen av EEG och fNIRS felklassificeringar och bibehöll hög prestanda.

Mot enklare, mer objektiva diagnoser

Enkelt uttryckt visar denna studie att en liten uppsättning sensorer på huvudet kan plocka upp pålitliga hjärnmönster som skiljer friska personer från dem med bipolär sjukdom, och till och med mellan dess huvudsakliga subtyper. Genom att paras ihop elektrisk aktivitet och blodflödesförändringar stärks signalen som datorbaserade klassificerare kan använda, vilket gör subtypavgränsningar mer precisa. Även om större studier fortfarande behövs pekar dessa resultat mot framtida klinikvänliga verktyg som kan komplettera intervjuer, hjälpa till att undvika felaktiga diagnoser och så småningom möjliggöra tidigare, mer individualiserad behandling för personer i riskzonen för bipolär sjukdom.

Citering: Tahir, I., Planat-Chrétien, A., Bertrand, A. et al. Multimodal EEG–fNIRS classification as a clinical tool for bipolar disorder diagnosis. Transl Psychiatry 16, 177 (2026). https://doi.org/10.1038/s41398-026-03858-1

Nyckelord: bipolär sjukdom, hjärnavbildning, EEG, fNIRS, känsloreglering